Ridge/Lasso Regression, Elastic Net
Regularization * Linear Regression에서는 Feature의 수가 많아질 수록 $R^2$가 증가하면서 Overfitting으로 가는 경우가 많다. 그래서 Regularization을 통해서 Overfitting이 되지 않도록 Cost Function 뒤에
Regularization * Linear Regression에서는 Feature의 수가 많아질 수록 $R^2$가 증가하면서 Overfitting으로 가는 경우가 많다. 그래서 Regularization을 통해서 Overfitting이 되지 않도록 Cost Function 뒤에
Base Class * init Function에서는 최적 $\beta$를 찾아가는 과정에서 Gradient Descent, 즉 을Loss Function을 최소화하는 방향으로 조금씩 값을 대입해보면서 최종 값을 찾아가는 형태이기 때문에
습관처럼 서점을 휴식삼아 돌아다니던 중 이 책(링크)을 발견하였다. 제목이 완결된 문장이 아니다보니, "팀장으로 산다는 것은~"의 뒤에 이어질 "답&
Genetic Algorithm * 존 홀랜드(John Holland)가 1975년에 저서 "Adaptation on Natural and Artificial Systems" 에서 처음 소개한 최적화 기법 * 실제 생물
Upload 책 제목의 어원인 "Essential"이란 "필수적인" 이란 뜻을 의미하는 영어단어이다. 에센셜리스트는 이 단어를 중심으로 살아가는 사람을 뜻하고, 에센셜리즘은 이
배경 * Let's Encrypt와 Cloudflare DNS를 연동하려다 Renewal 횟수가 5회를 넘어가서 Blog 접속 불가상태가 한동안 이어졌다. * 그래서 잠시 Let's Encrypt를 대체해서
Model Criteria * Model은 다음 기준이 고려될 때 좋은 모델로 평가될 수 있다. * Model should be simple * Model World는 Real World를 단순하게 형상화 한 것으로,
Bayesian Optimization * Bayesian Optimization은 Training을 통해 파악하게 되는 Parameter와 별개로, 사전에 사람이 직접 입력해야 하는 HyperParameter를 최적화하기 위한 방법으로 아래와 같은 식과 같이 임의의
정보 * 저자 / 출판사: 윤대현,장은지 / 인플루엔셜 * 윤대현님: 현 서울대병원 정신건강의학과 교수 * 장은지님: 전 맥킨지리더십센터장 * 핵심키워드: 멘탈, 마음, 자기연민 * 점수: 3.5 / 5 * 구매링크: 링크
모델 선정시 요구사항 * 현재 가지고 있는 이미지 데이터 규모 * 중복이미지 검출시 정확도 * Inference 시 실시간 여부 쓸 수 있는 기술 * FileName: File Naming Scheme에
팀장이 실무까지 하면서 팀을 매니징하는 것은 매우 어렵다. 따라서 팀장으로서 적절히 업무는 위임을 잘하는 것도 기술이다. 그리고 위임을 하기 위해서는 팀원에 대한 적절한 신뢰가
배경 * CEO Staff의 위치를 벗어나 프로덕트 실무로 팀을 이끈지 이제 한 달이 막 지나갔다. * 정말 많은 일들이 있었고, 이런 일로 팀들간에 조율이 필요할 수도